El siguiente reto de la IA empresarial apunta a capturar experiencia humana mediante ontologías especializadas para mejorar decisiones de negocio
El conocimiento especializado de las organizaciones perfila la siguiente etapa de entrenamiento de la inteligencia artificial empresarial, según Juan Carlos Lara, Business Transformation Advisor para Latinoamérica de Hyland. En entrevista con NotiPress, sostuvo que los modelos necesitarán incorporar décadas de experiencia humana mediante ontologías específicas para cada industria.
Los especialistas aplican diariamente criterios que rara vez aparecen completos en documentos o bases de datos. Convertir esa experiencia en estructuras comprensibles permitiría incorporarla al entrenamiento de la IA.
Actualmente, los modelos pueden analizar grandes volúmenes de contenido y asistir en tareas complejas. Sin embargo, la experiencia organizacional representa un nivel distinto de conocimiento. Las empresas ya documentan procedimientos, políticas, productos y normas operativas, aunque ese material constituye solo una parte del criterio utilizado diariamente por las personas encargadas de tomar decisiones.
[img1]
Este conocimiento adquiere relevancia cuando la inteligencia artificial debe actuar en contextos donde no basta seguir un manual. La experiencia documentada difiere del conocimiento construido mediante la práctica, entendido como experiencia o memoria organizacional. Ese componente también deberá incorporarse al entrenamiento de los sistemas para ofrecer respuestas contextualizadas y reducir decisiones alejadas de las reglas del negocio.
"¿Cómo le doy ese conocimiento a la IA? Entonces la ontología se tiene que preparar", explicó Lara
En la banca, una ontología puede reunir los criterios aplicados por un director o un analista de riesgo con décadas de experiencia. Estas estructuras organizan el conocimiento indispensable para enfrentar situaciones concretas, más allá de clasificar información. Por ejemplo, en el caso de una institución financiera, una ontología puede incorporar los criterios que normalmente aplica un director bancario o un analista de riesgo con décadas de experiencia cuando evalúa una solicitud de crédito.
Gran parte de la experiencia organizacional permanece en las personas y rara vez queda documentada por completo. Bajo esa lógica, la inteligencia artificial partiría de una base formada por contenidos, experiencia y ontologías antes de generar nuevos aprendizajes derivados de su propia operación. El objetivo consiste en acercar a los modelos criterios utilizados por especialistas sin depender exclusivamente de la información escrita disponible dentro de una organización.
Las respuestas fuera de contexto representan otro desafío para la IA empresarial. A su juicio, "uno de los grandes problemas que tú tienes con la inteligencia artificial es, digamos, la alucinación o la falta de respuestas contextualizadas, y al negocio no le sirve eso". Actividades como la medicina o la banca requieren decisiones alineadas con reglas operativas y conocimiento especializado.
A medida que la inteligencia artificial empresarial asuma procesos cada vez más complejos, las ontologías aparecen como un mecanismo para incorporar conocimiento especializado al entrenamiento de los modelos antes de que desarrollen nuevos aprendizajes derivados de su propia operación. En ese escenario, la experiencia organizacional pasa de permanecer en las personas a formar parte del conocimiento disponible para los sistemas.